跳到正文
热点事件持续更新

提出 Rational Sparse Autoencoder:用可训练有理函数激活替换固定激活

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

论文作者提出 Rational Sparse Autoencoder(RSAE),将稀疏自编码器(SAE)编码器中固定的 ReLU、JumpReLU 或 TopK 激活替换为可训练的有理函数。论文称,在匹配期望稀疏度下,RSAE 对 ReLU 非劣,并对 JumpReLU 和 TopK 有可证改进。 该方法本身改动很小:每个自编码器只增加 20 个标量参数,在单张消费级 GPU 上一次训练约需 4 至 25 分钟。

AI 根据报道生成 · 35 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    Rational Sparse Autoencoder(RSAE):用可训练有理函数激活改进稀疏自编码器

    研究者提出 Rational Sparse Autoencoder(RSAE),用可训练的有理函数替换 SAE 编码器中固定的 ReLU、JumpReLU 或 TopK 激活,并在匹配期望稀疏度下证明了对 ReLU 的非劣性与对 JumpReLU、TopK 的可证改进。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。